U-Nb合金凝固过程的计算机模拟

来源 :2002年中国材料研讨会 | 被引量 : 0次 | 上传用户:wanming2000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
用ViewCast软件对φ107mm/φ77mm×80mm的U-Nb合金管形铸件在给定铸造工艺条件下的铸造凝固过程进行了计算机模拟,初步分析了夹杂、疏松等铸造缺陷的形成原因.首先对ViewCast软件进行修改,以适应铸型的初始条件具有一定温度梯度的要求;所用热物性参数由实测或者文献数据经过最小二乘方法拟合;铸型与环境仅考虑为辐射换热;铸件与铸型界面的换热系数hi=~2000W/m<2>·℃.结果表明:从充型过程的速度矢量图来看,采用顶注式时,金属液在充型过程中呈现紊流特征,这是造成夹杂物在铸件内随机分布的主要原因;从温度场的变化来看,铸件以自下而上的顺序凝固方式进行凝固,计算温度值与实测温度值符合得较好;由于U-Nb合金具有较宽凝固温度区间,在凝固过程中因枝晶阻碍液体金属的流动而不能有效地补缩,容易产生疏松缺陷,模拟预测疏松缺陷产生在铸件顶部,定性地与实际铸件经过γ射线无损探伤结果一致.
其他文献
本文从系统测试的角度出发,针对炮兵射击指挥系统的组成、系统中各节点之间以及节点内部各单体设备之间的信号特点,给出了一个通用硬件测试平台的设计方案,并对测试软件的设计进行了说明,实现了对不同类型信号的自动测量和分析,据此还可对故障进行隔离和定位,大大提高了部队的维修保障能力.
本文应用虚拟仪器设计语言LabVIEW结合相应的数据采集卡组成了一个性能价格比很高的实用低频噪声虚拟测试系统.
为了探明Y型混合器的混合机理,实验研究了混合时间、旋转速度、不同初始装粉方式,以及改变混合器结构的对称性对混合均匀度的影响.分别采用氧化铝粉-铁粉、钛粉-铁粉进行了混合实验.通过对混合物取样测定其成分,定量地比较了两种混合器的混合效果.结果表明,Y型混合器的主要混合机制是强烈的径向对流运动,而扩散运动引起微弱的轴向混合;不对称Y型混合器与之相比,明显地增强了轴向颗粒流,从而提高了混合效果.
Si基光发射材料由于它具有与先进的Si微电子技术兼容和成本低廉的优势,是光电子集成(OEIC)工程应用的首选材料.但由于基体材料Si属于间接带隙半导体,不可能成为有效的光发射体.如何设计具有直接带隙硅基材料,备受实验研究工作者和材料设计理论工作者的关注.本文介绍一种新的硅基超晶格Ⅵ/Si/Ⅵ/SiⅥ的能带结构计算.在密度泛函理论框架内,采用混合基从头算赝势法模拟计算表明,其中Se/Si/S/Si/
我们使用基于混合基表示的第一原理赝势法研究了(AlP)/(AlN)和(AlAs)/(AlN)(n=1~5)应变短周期超晶格材料.其中假设(AlP)/(AlN)短周期超晶格材料外延生长在GaAs的(001)面上,而(AlAs)/(AlN)短周期超晶格材料外延生长在AlAs的(001)面上.通过计算发现,这两种超晶格材料,对所有的n,在Γ点都出现直接带隙.
金属材料的内部微裂纹在高温下表现出扩展和修复的二重性.本文通过实验验证了裂纹高温修复的可靠性.结果表明,裂纹经过高温修复后的材料强度已达到基体强度.
原位形变-萃取法制备了金属纤维,对其组织结构进行了研究.X射线衍射分析结果表明,金属纤维为bcc结构的铁素体.X射线能谱分析表明,纤维含有Fe、Cr、Cu元素,其成分类似于0Cr13铁素体不锈钢.扫描电镜观察表明,纤维为扁带状,宽度小于1μm,厚度小于0.3μm,平均长度为345μm,是一种亚微米级的金属纤维.透射电镜下观察,纤维由一些平行于纤维长度方向的条形晶粒组成.
本文以酒精为模拟对象,研究了振荡器输入电压、振动频率以及外压差等工艺参数对液滴流形态的影响.实验结果表明,当输入电压大于53V时,可保证获得均匀液滴喷射流,在输入电压和外压差一定的条件下,存在一个合适的振荡器振动频率范围,超出此频率范围将不能获得均匀液滴流.外压差对上、下临界振动频率都有影响,随外压差增大,频带宽也增大.
采用有限元方法计算了电磁分离过程中夹杂与熔体处于相对运动状态时夹杂的受力.计算结果表明,夹杂运动过程中的黏性阻力系数与相应的绕流阻力系数基本一致,而电磁斥力的变化与A和u/U两个参数有关.当A>2×10,电磁斥力在u/U≈1时开始出现显著下降,并且随着A或u的进一步增加,电磁斥力也随之逐渐减小.
本文提出一种物理冶金和神经网络相结合的方法来预测钢材的力学性能.首先,根据热轧件的工艺过程,应用物理冶金方法判断钢材在线的再结晶过程与相变过程,推断最终相的组织,应用回归分析的方法,建立包括成分、组织及个别工艺参数的多重的回归分析,确定组织与性能的对应关系,包括抗拉强度、屈服强度、伸长率.另一方面,为提高延伸率的预测精度,采用BP神经网络方法,通过大量数据的自学习训练,完成神经网络模型的预测对抗拉